面对复杂的编程任务，直接让 AI 动手往往会造成代码混乱。一种将思考与执行分离的工作流，通过深度研究、制定计划和精准执行三个阶段，能让开发者牢牢掌控架构，避免系统性错误，显著提升代码质量与开发效率。
智能速览
永远不要让 AI 直接写代码，先通过书面计划明确任务。
先让 AI 深入理解代码库并生成报告，避免无知性破坏。
通过在计划中反复添加注释，将人类判断注入 AI 方案。
将代码实现变为机械执行过程，通过简洁指令快速修正。
精华内容
有效使用 AI 编程的关键，不在于找到神奇的提示词，而在于建立一套严谨的工作流，将人类的架构判断与 AI 的执行能力完美结合。
深度研究
启动任何复杂任务前，首要环节是让 AI 进行深度阅读理解。指令 Claude 彻底分析目标任务相关的代码库，并强制要求其将所有发现、细节和潜在问题详尽地记录在一个 research.md 文件中。为避免 AI 肤浅地处理，提示词需使用“深入”、“细节”、“所有”等强制性措辞。这个研究报告是后续所有工作的基础，审查者需仔细核对，确保 AI 对系统的理解准确无误，从根源上杜绝因理解偏差导致的后续错误，如忽略缓存层或破坏 API 兼容性。
计划与注解
在确认研究报告无误后，进入计划阶段。让 Claude 基于研究内容撰写一份详细的实现计划（plan.md），包含代码片段、文件路径和权衡考量。核心步骤是“注解循环”：审查者直接在 plan.md 文件中添加注释，用以修正错误假设、拒绝不优方案、补充领域知识或增加业务约束。例如，明确指定“使用drizzle:generate做迁移”，或纠正“错了 — 这应该是PATCH, 不是PUT”。通过1-6轮迭代，将通用方案打磨为精准贴合当前项目的实施蓝图。
待办清单
在最终执行代码前，要求 Claude 根据已确定的计划生成一个详细的待办事项列表。这个列表需包含所有阶段和每个必要任务，形成一个可跟踪的清单。在后续的实现过程中，每完成一项任务就在 plan.md 中进行标记。这对于持续数小时的大型任务尤为重要，能清晰地展示项目进展，让开发者随时掌握全局状态，避免遗漏环节。
机械执行
计划敲定后，用标准化的指令启动实现阶段，例如：“实现所有，当你完成一个任务或一个阶段，在 plan 文档中标记完成。不要停止，直到所有任务和阶段完成。” 此时，开发者的角色从架构师转变为监督人。对于实现中的问题，只需给出简洁的修正指令，如“更宽”、“使用用户表的样式”。若出现复杂错误，最佳实践是恢复代码并重新缩小修改范围，而非尝试打补丁，确保每次修改都精准可控。
这套工作流的核心价值在于将人从繁琐的编码中解放出来，专注于更高层次的架构设计与决策。它证明了与 AI 协作的最高效方式是建立清晰的流程。你是否也准备好，尝试用这种“先计划，后执行”的方式来优化你的开发流程呢？
